英偉達最近真的癡迷上「小模型」了。

剛剛，英偉達發布了一個全新的混合架構語言模型系列，Jet-Nemotron。

論文地址：https://arxiv.org/pdf/2508.15884

項目地址：https://github.com/NVlabs/Jet-Nemotron

Jet-Nemotron系列有Jet-Nemotron-2B和Jet-Nemotron-4B大小。

英偉達表示Jet-Nemotron系列「小模型」性能超越了Qwen3、Qwen2.5、Gemma3和 Llama3.2等當前最先進的開源全注意力語言模型。

同時實現了顯著的效率提升，在H100 GPU上生成吞吐量最高可提升53.6倍。

在右上角的雷達圖中，可以看到Jet-Nemotron簡直就是六邊形戰士。

Jet-Nemotron-4B模型在六個維度MMLU-pro、Math、Retrieval、Commonsense、Code、Long幾乎都拉滿。

在預填充和解碼階段，Jet-Nemotron-2B在上下文越增加的情況下，相對Qwen 3-1.7B優勢越夸張。

一句話總結就是同等硬件與評測設置下，Jet-Nemotron在長上下文的場景里，把吞吐做到了數量級提升（解碼可達50倍提升）。

同時在常識/數學/代碼/檢索/長上下文等維度的準確率不降反升。

相較傳統全注意力小模型又快又準。

看來，英偉達盯上了小模型Small Model這個領域。

上一周，他們剛剛發布了只有9B大小的NVIDIA Nemotron Nano 2模型。

在復雜推理基準測試中實現了和Qwen3-8B相當或更優的準確率，并且吞吐量最高可達其6倍。

今天就推出了更小的Jet系列，體量降到了2B和4B模型。

核心創新

Jet-Nemotron有兩項核心創新。

• 后神經網絡架構搜索（Post Neural Architecture Search，PostNAS），這是一個高效的訓練后架構探索與適應流程，適用于任意預訓練的Transformer模型；
• JetBlock，一種新型線性注意力模塊，其性能顯著優于先前的設計，如Mamba2。

PostNAS：訓練后架構探索與適配

與之前從頭開始訓練以探索新模型架構的方法不同，PostNAS在預訓練的Transformer模型基礎上進行構建。

同時支持對注意力塊設計的靈活探索，從而大大降低了開發新語言模型架構的成本和風險。

PostNAS首先確定全注意力層的最佳放置位置，然后再搜索改進的注意力塊設計。

PostNAS從一個已預訓練的全注意力模型出發，并將MLP凍結。

隨后對高效注意力塊的設計進行由粗到細的搜索：

先確定全注意力層的最優放置位置，再選擇最合適的線性注意力塊或采用新的線性注意力塊，最后搜索最優的架構超參數。

通過將PostNAS應用于基線模型后，在所有基準測試上都取得了顯著的準確率提升。

在預訓練的Transformer模型中，并非所有注意力層的貢獻都是相同的。

PostNAS揭示了預訓練Transformer模型中重要的注意力層。

KV緩存大小是影響長上下文和長生成吞吐量的最關鍵因素。

PostNAS硬件感知搜索能夠發現一些架構，在保持相似生成吞吐量的同時，擁有更多參數并實現更高的準確性。

JetBlock： 一種具有SOTA準確率的新型線性注意力模塊

通過PostNAS，引入了JetBlock：一種新穎的線性注意力模塊，它將動態卷積與硬件感知架構搜索相結合，以增強線性注意力，在保持與先前設計相似的訓練和推理吞吐量的同時，實現了顯著的準確率提升。

下方使用完全相同的訓練數據和訓練方案，對Mamba2 Block與JetBlock進行了公平的對比。

性能

Jet-Nemotron-2B和Jet-Nemotron-4B在全面的基準測試中達到或超過了主流高效語言模型（例如Qwen3）的準確率。

同時運行速度明顯更快——分別比Qwen3-1.7B-Base快21倍和47倍。